该项目是由美国能源部国家能源技术实验室资助的部分,部分是通过现场支持合同资助的。美国政府,其任何机构,其任何雇员,支持承包商,或其任何雇员既不对任何信息,设备,产品或程序所披露的任何法律责任或责任,或承担任何法律责任或责任,或者承担任何法律责任或责任,或者表示其使用均不将使用其使用,或者代表其使用不会侵权私人权利。在此引用以商业名称,商标,制造商或其他方式参考任何特定的商业产品,流程或服务。本文所表达的作者的观点和观点不一定陈述或反映美国政府或其任何机构的观点和意见。
此信息为初步信息,可能会进行修订。提供此信息是为了满足及时获得最佳科学成果的需求。提供此信息的条件是美国地质调查局和美国政府不对因授权或未经授权使用该信息而造成的任何损害承担责任。
机会 - 地质和地球物理特性在全球范围内的地质机器学习,我们对地球特性的集体理解受到直接观察地质的观察(例如,井原木,核心等)或间接通过遥感(例如地球物理或卫星观测)。这一事实导致在高空间分辨率(至sub-km量表)处的地球特性的稀疏数据集,或者从卫星观测值中产生了一个连续但低分辨率的数据集。因此,需要自动插值(例如Kriging)和/或人类知情轮廓,以在高分辨率下持续了解这些属性。在这项工作中,我们致力于改进这些方法。利用机器学习,深度学习和/或物理知情神经网络(PINN)的新发展,我们可以在空间和深度上智能插入或预测地球参数。这项工作利用了地质观察的各种数据源(即“大数据”),例如:科学钻孔,挖出和疏ed和地球物理观察,例如由乘员船(例如,船舶),自主平台(例如,AUV)(例如,AUV)和Satellites和Satellites和Satellites和Satellites和Satellites。我们将这些数据集与基于物理学的地质过程模型(例如压实)和数据驱动方法(例如机器学习)结合使用,以产生对地球特性的连续且准确的估计。这些方法的示例包括从稀疏的船板观测值中预测连续的重力场,或使用核心数据预测沉积物岩性与深度。鼓励基本的地质理解,但不需要。我们寻求具有地质/地球物理学经验的合格申请人,遥感/地理位置,机器学习/数据科学和/或运输/摇滚物理建模。申请人将有一些计算经验,并且在基本的编程/脚本中保持舒适(不需要特定语言)。实验室地点:海洋科学部海军研究实验室Stennis Space Center,MS POC:Benjamin Phrampus海军研究实验室,代码7352建筑物1005 Stennis Space Center,MS 39529电话:228-688-4899电子邮件:Benjamin.phrampus.civ@us.civ@us.navy.mil
3资格要求17 3.1总体原则。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 3.2一般资格的要求。。。。。。。。。。。。。。。。。。。。。。。。。。。18 3.3 CO 2拆卸供应商的要求。。。。。。。。。。。。。。。。。。。。。23 3.4基线示范的要求。。。。。。。。。。。。。。。。。。。。。。。。24 3.5补充要求。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26 3.6预防双重计数的要求。。。。。。。。。。。。。。。。。。。26 3.7生物量可持续性和起源可追溯性的要求。。。。。。。。。27 3.8对环境和社会保障措施的要求。。。。。。。。。。。。。。。29 3.9对积极可持续发展目标的影响。。。。。。。。。31
每周作业将增强对上述概念的理解。在实验室中,将通过X射线衍射技术和/或单晶进行X射线衍射技术检查矿物质。该课程的最终提交将是其矿物学项目的学生发现的手稿式报告。本报告将包括简短的文献综述,实验方法的解释,获得的结果摘要,包括通过XRD获得的结果与其他方法的现有数据之间的相关性。其他方法可能包括岩石学显微镜,SEM或各种光谱方法(例如,nmr,ir,拉曼,XPS),计算机建模或机器学习,具体取决于正在研究的矿物学问题。讨论将在学生的相关领域中包括这些发现的重要性(例如地球科学,行星科学,材料科学)以及进一步工作的建议。学生将在课程结束时在研讨会风格的会议上分享他们的结果。
碳捕获与储存 (CCS) 是指从工业点源或直接从大气中捕获二氧化碳 (CO2),并将其注入地下深处进行永久储存(又称“地质封存”,将二氧化碳与大气安全隔离)的过程。CCS 被广泛认为是美国和其他国家实现《巴黎协定》和其他气候承诺所要求的温室气体减排目标所需的关键技术。大规模部署 CCS 以应对气候变化不仅需要捕获大量的二氧化碳,还需要在地层中建立大型连续储存库,这些储存库能够接收和容纳预计在未来几十年内可供捕获的数百万公吨 (MMT) 的二氧化碳。
这项研究研究了机器学习(ML)和数据同化(DA)技术的整合,重点是实施用于地质碳储存(GCS)项目的替代模型,同时保持后状态的高富达物理结果。最初,在通道储层中的CO 2注射模拟的背景下,我们评估了两个不同的机器学习模型(FNOS)和变压器UNET(T-UNET)的替代建模能力。我们介绍了基于替代物的混合ESMDA(SH-ESMDA),这是传统的合奏对多种数据同化(ESMDA)的改编。此方法将FNO和T-UNET用作替代模型,并有可能使标准的ESMDA过程至少更快或更高,具体取决于同化步骤的数量。此外,我们引入了基于替代的混合RML(SH-RML),这是一种差异数据同化方法,依赖于随机最大似然(RML),在该方法中,FNO和T-UNET都可以计算梯度以优化目标函数,以及用于计算较高的状态模型来进行计算。我们的比较分析表明,与案例研究的常规ESMDA相比,SH-RML提供了更好的不确定性量化。
((1)请提前准备有效的护照和签证。(2)在研讨会期间,要求候选人按时参加并遵守规则,并且您的出勤记录将被用作签发完成证书的基础。((3)候选人应为研讨会期间的交流做准备。((4)如果您由于特殊情况无法按时离开,或者在连接航班期间有航班延迟,请及时与项目联系人联系以告知您最新的航班状态,以便安排接送服务。((5)原则上,不允许个人更改国际空中票。必要时,请联系业务办公室,根据程序处理机票更改。如果未经同意而更改了空气票,则其从那里产生的费用和责任应由个人承担。((6),请确认连接时是否需要再次检查行李;飞行降落后,您拿起行李,请在国际抵达出口(或国内到达出口)耐心等待,我们的员工将带您带上带有组织者名称的拾取招牌。如果您等待超过15分钟,请联系项目联系人。((7)如果您需要在托运行李丢失的情况下需要在航空公司注册,请致电项目联系人,以确认行李送货地址,然后再填写注册表。((8)请特别注意目的地的天气并准备您的衣服